P.447: Impact of donor smoking history on kidney transplant recipient outcomes: A systematic review and meta-analysis.
Notice bibliographique
Résumé
Background: Impact of donor smoking history on kidney transplant recipient outcomes is undefined. Methods: We systematically searched, critically appraised, and summarized associations between donor smoking and primary outcomes of death-censored and all-cause graft failure (DCGF, ACGF), and secondary outcomes of allograft histology, delayed graft function, serum creatinine, estimated glomerular filtration rate, and mortality. We searched MEDLINE, Embase, and Cochrane Databases from 2000-2023. Risk of bias was assessed using Risk of Bias in Non-randomized Studies – of Exposure tool. Quality of evidence was assessed by Grading of Recommendations Assessment, Development and Evaluation Working Group recommendations. We pooled results using inverse variance, random-effects model and reported hazard ratios for time-to-event outcomes or binomial proportions. Statistical heterogeneity was assessed with I2 statistic. Results: From 1785 citations, we included 17 studies. Donor smoking was associated with modestly increased DCGF (HR 1.05 (95% CI: 1.01, 1.09); I2 = 0%; low quality of evidence), predominantly in deceased donors, and ACGF in adjusted analyses (HR 1.12 (95% CI: 1.06, 1.19); I2 = 20%; very low quality of evidence). Other outcomes could not be pooled meaningfully. Conclusions: Kidney donor smoking history was associated with modestly increased risk of death-censored graft failure and all-cause graft failure. This review emphasizes the need for further research, standardized reporting, and thoughtful consideration of donor factors like smoking in clinical decision-making on kidney utilization and allocation. CR is supported by a Kidney Research Scientist Core Education and National Training Program (KRESCENT) salary award co-funded by the Kidney Foundation of Canada, the Canadian Society of Nephrology, and the Canadian Institutes of Health Research (CIHR). The funders had no role in defining the content of this article.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,015 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,027 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».